DESAIN EKSPERIMEN & SIMULASI 5

dokumen-dokumen yang mirip
(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN. Oleh Budhi Handoko 1), Sri Winarni 2)

BAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada

Matematika dan Statistika

OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH. Mahasiswa Jurusan Statistika FSM UNDIP. Staf Pengajar Jurusan Statistika FSM UNDIP

(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

OPTIMASI DENGAN METODE DAKIAN TERCURAM

BAB 2 TINJAUAN PUSTAKA

METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k

PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI


OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)

Analisis Model Regresi Linear Berganda dengan Metode Response Surface

Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk

DESAIN FAKTORIAL FRAKSIONAL 2 k-p SERTA ANALISISNYA BERBASIS WEB. Candra Aji dan Dadan Dasari 1 Universitas Pendidikan Indonesia ABSTRAK

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan

PENERAPAN METODE OVERLAID CONTOUR PLOT DAN DESIRABILITY FUNCTION PADA CENTRAL COMPOSITE DESIGN

Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk

PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell

KLASIFIKASI RANCANGAN FAKTORIAL PECAHAN JENUH TIGA TARAF DALAM 27 RUN

Metode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding


Kata kunci: Taguchi method, Multirespon, Combined Array, TOPSIS

(D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU

Peningkatan Kualitas melalui Desain Eksperimen (Studi Kasus di Sebuah Perusahaan Krupuk, Blitar)

Penentuan Setting Parameter Pembuatan Botol DK 8251 B

Response-surface dan Taguchi : Sebuah alternatif atau kompetisi dalam optimasi secara praktis

METODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA. Nuryanti *, Djati H Salimy **

Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface

APLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS. Abstrak

Perbandingan Nilai Fraksi pada Rancangan Faktorial Fraksional 2 k dengan Metode Bissell dan Aplikasinya pada Kasus Perkecambahan Kacang Hijau

SKRIPSI OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE

APLICATION OF M-ESTIMATION FOR RESPONSE SURFACE MODEL WITH DATA OUTLIERS

Penerapan Metode Grey Relational Analysis dan Desirability Function pada Optimasi Multi Respon Desain Taguchi

Analisis Regresi Spline Kuadratik

PROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.

Pembauran (Confounding) Pada Percobaan Faktorial Tiga Taraf

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

Penentuan Parameter Setting Mesin Pada Proses Corrugating

BAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi

PENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA BARAT

BAB III METODELOGI PENELITIAN. Penulis menggunakan tahap-tahap metodelogis yang umum digunakan

Optimasi Multi Response Surface pada Industri Kemasan Botol Plastik dengan Pendekatan Fuzzy Programming

REGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.

OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK

OPTIMASI KUALITAS HALLOW BLOCK DENGAN METODE TAGUCHI INTISARI

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

HASIL DAN PEMBAHASAN. Penggunaan Rancangan FF

PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.

OPTIMASI KUALITAS HASIL PENGELASAN GAS METAL ARC WELDING (GMAW) BAJA ASTM 283 Grade A DENGAN RSM (RESPONSE SUFRACE METHODOLOGY)

Rancangan Faktorial Pecahan

PARAMETER SETTING OF PRESS MACHINE USING RESPONSE SURFACE METHOD IN OIL PALM FACTORY. 2 PT. Perkebunan Lembah Bakti, Astra Agro Lestari, Tbk ABSTRAK

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI

Jika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.

Sarimah. ABSTRACT

OPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY

OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI

ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG

OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)

(D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

Gambar 7 Desain peralatan penelitian

PROPOSAL PENELITIAN. Oleh : Randi Nugraha Putra ( )

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ESTIMASI KOMPONEN VARIAN PADA RANCANGAN ACAK KELOMPOK DENGAN MODIFIKASI HARTLEY-ROU

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

BAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN

JURNAL PENGARUH ARUS PENGELASAN DAN SUDUT KAMPUH V TERHADAP KEKUATAN TARIK MATERIAL PADA PROSES LAS SMAW MENGGUNAKAN ELEKTRODA E 7016

EKSPERIMENTAL DESAIN. Created by : Ika Damayanti, S.Si, M.Si

STATISTIKA INDUSTRI 2 TIN 4004

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE

ABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah

TINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan

Uji Homogenitas Rata-Rata Kasus Anova Dua Arah dengan Metode Cochran Cochran Test for Homogeneity Means in Two Ways ANOVA

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *

PERBANDINGAN METODE COEFFICIENT OF DETERMINATION RATIO DAN REGRESI DIAGNOSTIK DALAM MENDETEKSI OUTLIER PADA ANALISIS REGRESI LINIER BERGANDA

BAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa

Transkripsi:

DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah satu desain permukaan respon yaitu Desain Box-Behnken digunakan untuk menganalisis efek factor suhu, intensitas pengadukan, dan tekanan terhadap viskositas polimer. Kemudian menentukan level masing-masing factor yang mengoptimumkan viskositas. Model permukaan respon yang terbentuk memiliki koefisien determinasi sebesar 94,5% yang menunjukkan bahwa variasi viskositas polimer sudah dapat dijelaskan oleh ketiga factor dalam eksperimen. Selain itu, pengujian Lack-of-Fit model mendapatkan nilai p- value 0,394 yang berarti non-signifikan, memiliki makna bahwa model sudah mencukupi untuk digunakan. Hasil yang lain adalah dapat ditentukannya level masing-masing factor yang mengoptimalkan viskositas. Kata Kunci: Metode Permukaan Respon, Desain Box-Behnken, Viskositas Polimer. 1. PENDAHULUAN Metodologi Permukaan Respon (MPR) merupakan sekumpulan teknik matematika dan statistika yang berguna untuk memodelkan dan menganalisis permasalahan bila respon yang diamati dipengaruhi oleh beberapa variabel dan bertujuan untuk mengoptimalkan respon (Montgomery, 2001). Bentuk model hubungan antara variabel respon dan variabel independen atau factor dalam MPR sering didekati dengan model orde pertama dan orde kedua. Pada model hubungan baik orde pertama maupun orde kedua memiliki parameter yang perlu ditaksir karena memiliki bentuk seperti polynomial orthogonal. Parameter model dapat ditaksir dengan baik apabila menggunakan jenis desain eksperimen yang sesuai untuk mengumpulkan data. Salah satu desain yang digunakan untuk membentuk model MPR orde kedua adalah Desain Box-Behnken. Desain Box-Behnken merupakan desain yang dikembangkan dari desain factorial 3 k, yaitu digunakan untuk menganalisis k faktor yang masing-masing memiliki 3 level. Desain ini pada dasarnya merupakan fraksi atau pecahan dari desain factorial 3 k dengan tambahan titik tengah untuk menjaga keseimbangan dari desain. 387

Penelitian ini akan memfokuskan pada penggunaan Desain Box-Behnken untuk melakukan eksperimen di bidang industri mengenai tingkat kepekatan dari suatu polimer yang dipengaruhi oleh tiga variabel yaitu suhu, intensitas pengadukan, dan tekanan. Dengan menggunakan Desain Box-Benhken ini diharapkan diperoleh suatu model permukaan respon orde kedua yang terbaik dan diperoleh kondisi yang optimal dari tingkat kekuatanpolimer pada suatu kombinasi level faktor tertentu. Berdasarkan latar belakang tersebut, dapat dirumuskan permasalahan sebagai berikut : 1. Bagaimana bentuk model permukaan respon orde kedua yang cocok dengan data hasil eksperimen? 2. Level-level faktor manakah yang membuat respon menjadi optimum? Penelitian ini mempunyai tujuan sebagai berikut: 1. Membentuk model permukaan respon orde kedua yang cocok dengan data hasil eksperimen menggunakan desain Box-Behnken. 2. Mendapatkan level faktor-faktor yang mengoptimalkan respon suatu eksperimen. Manfaat dari penelitian ini adalah memberikan gambaran mengenai teknik analisis menggunakan salah satu jenis desain dalam model permukaan respon orde kedua yaitu desain Desain Box-Behnken untuk mendapatkan level-level tertentu dari factor dalam eksperimen yang mampu membuat respon hasil eksperimen mencapai kondisi optimum. 2. KERANGKA KONSEPTUAL Menurut Box dan Hunter (2005), desain eksperimen yang digunakan untuk menganalisis model permukaan respon orde kedua ada dua jenis, yaitu central composite design (CCD) dan desain Box-Behnken. CCD digunakan untuk menganalisis eksperimen yang berbentuk faktorial 2 k atau faktorial fraksional resolusi V dengan n F buah percobaan, 2 k axial (sumbu), dan n c buah titik pusat percobaan. Dalam CCD terdapat dua parameter desain yang harus ditentukan terlebih dulu, yaitu yang merupakan jarak dari percobaan axial (sumbu) dari pusat desain dan banyaknya titik pusat n c. Desain Box-Behnken digunakan untuk menganalisis eksperimen yang berbentuk factorial 3 k atau factorial fraksional 3 k. Desain ini dibentuk dengan menggabungkan desain factorial 2 k dengan desain blok tak lengkap acak. Desain ini efisien dalam segi banyaknya percobaan yang diperlukan. Dalam penelitian ini, untuk membentuk model permukaan respon orde kedua, desain yang digunakan adalah Desain Box-Behnken, karena sesuai dengan permasalahan yaitu 388

tingkat kekuatan polimer dipengaruhi oleh oleh tiga factor yaitu suhu, intensitas pengadukan, dan tekanan dengan banyaknya level dari masing-masing factor adalah tiga. Level dari setiap factor dikategorikan kedalam tiga jenis yaitu level rendah, sedang, dan tinggi. Faktor suhu memiliki level-level 150 C, 175 C, dan 200 C, factor intensitas pengadukan memiliki levellevel 5,7.5, dan 10, sedangkan tekanan memiliki level-level 15 atm, 20 atm, dan 25 atm. Meskipun demikian, terdapat pendekatan lain yang juga bisa digunakan yaitu Metode Taguchi seperti dijabarkan dalam Park (1996) dan Taguchi (1986). Namun pendekatan ini memerlukan penentuan desain awal menggunakan orthogonal array. 3. METODOLOGI PENELITIAN Dalam Metodologi Penelitian, akan dipaparkan langkah-langkah penyelesaian masalah penelitian sebagai berikut : a. Menentukan Bentuk Desain Box-Behnken yang Sesuai dengan Permasalahan Misalkan terdapat tiga faktor X 1, X 2, dan X 3 dengan masing-masing faktor memiliki 3 level yang diberi kode -1, 0, dan 1. Desain Box-Behnken untuk tiga faktor dengan setiap faktor memiliki tiga level adalah seperti yang terlihat pada Tabel 1 berikut ini. Tabel 1 Desain Box-Behnken Tiga Faktor dengan Tiga Level No. Percobaan Faktor X 1 X 2 X 3 Nilai Respon 1-1 -1 0 y 1 2-1 1 0 y 2 3 1-1 0 y 3 4 1 1 0 y 4 5-1 0-1 y 5 6-1 0-1 y 6 7-1 0 1 y 7 8 1 0-1 y 8 9 1 0 1 y 9 10 0-1 -1 y 10 11 0-1 1 y 11 12 0 1 1 y 12 13 0 0 0 y 13 14 0 0 0 y 14 15 0 0 0 y 15 berikut: Dalam penelitian ini, pendefinisan variabel penelitian akan ditampilkan pada Tabel 2 389

Tabel 2 Definisi Faktor dan Levelnya. Intensitas Suhu (X 1) Tekanan (X 3) Pengadukan (X 2) Level Level Level Level Level Level Asli Level Asli Kode Asli Kode Kode Tinggi 200 1 10 1 25 1 Sedang 175 0 7,5 0 20 0 Rendah 150-1 5,0-1 15-1 Sebagai variabel respon dalam penelitian ini adalah viskositas polimer. Visualisasi penentuan kombinasi level-level percobaan pada desain Box-Behnken secara tiga dimensi adalah sebagai berikut +1 x 3 x 2-1 -1-1 +1 +1 x 1 Sumbu mendatar menyatakan level-level faktor untuk variabel X 1, sumbu kearah dalam menyatakan level-level faktor untuk variabel X 2, dan sumbu tegak menyatakan levellevel faktor untuk variabel X 3. b. Melakukan Pembentukan Model Permukaan Respon Orde Kedua Model Permukaan Respon orde kedua adalah sebagai berikut : η = β + β x + β x + β x x (1) Misalkan akan dicari level-level x 1,x 2,,x k yang mengoptimalkan respon taksiran maka dilakukan penaksiran parameter dengan menurunkan variabel respon terhadap variabel-variabelnya. = = = = 0 (2) diperoleh x 1.s,x 2.s,,x k.s yang disebut titik stasioner. Apabila dibuat kedalam bentuk matriks akan tampak sebagai berikut : y = β + x b + x B 390

dengan x β x x = b = β x β β β /2 β /2 B = β β /2 simetris β Apabila diturunkan terhadap x menjadi = b + 2Bx = 0 (3) x Dari turunan tersebut diperoleh nilai titik stastioner ataujuga bisa disebut sebagai level level factor yang mengoptimalkan respon sebagai berikut. x = B b (4) Sehingga diperoleh model prediksi respon optimum dari level factor stasioner adalah sebagai berikut: y = β + x b (5) 4. HASIL ANALISIS Berdasarkan hasil analisis terhadap data eksperimen diperoleh model permukaan responnya adalah sebagai berikut : y = 624 + 9.375x + 27.625x 26x 75x + 19.5x 35.75x + 19.5x x + 109.25x x + 17.75x x Model tersebut memiliki nilai R 2 94,5%, yang berarti bahwa variasi dari respon dapat dijelaskan sebesar 94,5% oleh faktor-faktor dan kombinasi faktornya, sedangkan sisanya dijelaskan oleh variabel lain yang tidak masuk kedalam model. Pengujian model permukaan respon bentuk kuadratik dilakukan dan hasilnya disajikan pada Tabel 3. Tabel 3 menunjukan bahwa sumber variasi regresi signifikan, hal ini berarti secara umum model tersebut dapat menggambarkan kerterkaitan antara factor suhu, intensitas pengadukan, dan tekanan terhadap viskositas polimer. Sumber variasi Linier non signifikan, berarti pendekatan model respon surface bentuk linier atau orde satu tidak cocok, sedangkan untuk bentuk kuadratik dan interaksi signifikan, berarti bahwa model yang cocok dengan data adalah kuadratik dan interaksi antar factor pun memberikan efek terhadap viskositas. Pengujian Lack-of-Fit non signifikan, ini berarti bahwa model sudah mencukupi untuk menjelaskan pengaruh factor-faktor terhadap viskositas polimer. 391

Sumber Variasi Tabel 3. Analisis Varians Model Permukaan Respon db Jumlah Kuadrat Rata-rata Jumlah Kuadrat F p-value Regresi 9 89653 9961.4 9.54 0.011 Linier 3 12216 4072.1 3.9 0.088 Kuadratik 3 26913 8970.9 8.59 0.02 Interaksi 3 50524 16841.2 16.14 0.005 Residual Error 5 5219 1043.7 Lack-of-Fit 3 3737 1245.6 1.68 0.394 Pure Error 2 1482 741 Total 14 94871 Apabila permukaan respon digambarkan maka akan tampak seperti gambar berikut ini: Gambar 1.1 Grafik Permukaan Respon antara x 1, x 2, dan y Gambar 1.2 Grafik Kontur Respon antara x 1, x 2, dan y Gambar 2.1 Grafik Permukaan Respon antara x 1, x 3, dan y Gambar 2.2 Grafik Kontur Respon antara x 1, x 3, dan y Berdasarkan Gambar 1.1 tampak bahwa bentuk permukaan respon antara suhu dan intensitas pengadukan terhadap viskositas polimer berbentuk kurva lengkung yang memiliki titik maksimum. Gambar kontur respon pada Gambar 1.2 menunjukkan bahwa pada level 392

suhu berkode 0 atau 175 C dan intensitas pengadukan berkode 1 atau 10 akan mengoptimalkan nilai viskositasnya. Berdasarkan Gambar 2.1 tampak bahwa bentuk permukaan respon antara suhu dan tekanan terhadap viskositas polimer berbentuk kurva lengkung yang memiliki titik maksimum. Gambar kontur respon pada Gambar 2.2 menunjukkan bahwa pada level suhu berkode 0 atau 175 C dan tekanan berkode -1 atau 15 akan mengoptimalkan nilai viskositasnya. Gambar 3.1 Grafik Permukaan Respon antara x 2, x 3, dan y Gambar 3.2 Grafik Kontur Respon antara x 2, x 3, dan y Berdasarkan Gambar 3.1 tampak bahwa bentuk permukaan respon antara intensitas pengadukan dan tekanan terhadap viskositas polimer berbentuk kurva lengkung yang memiliki titik maksimum. Gambar kontur respon pada Gambar 3.2 menunjukkan bahwa pada levelintensitas pengadukan berkode -0,5 atau 6,25 dan tekanan berkode -0,5 atau 17,5 atm akan mengoptimalkan nilai viskositasnya. 5. KESIMPULAN Model permukaan respon yang terbentukmemiliki R 2 sebesar 94,5% yang berarti bahwa variasi viskositas dapat dijelaskan oleh factor-faktor dalam eksperimen sebesar 94,5% sedangkan sisanya oleh factor lainnya yang tidak masuk kedalam model. Model permukaan respon yang sesuai untuk eksperimen tersebut adalah orde 2, hal ini dibuktikan dengan pengujian anava sumber variasi kuadratik signifikan. Selain itu, model juga memuat interaksi antarfaktor. Model yang terbentuk pun sudah cukup memadai, ditunjukan oleh pengujian lack-of-fit yang non-signifikan. Beberapa level yang mengoptimalkan respon adalah kombinasi suhu 175 C dan pengadukan 10, kombinasi suhu 175 C dan tekanan 15 atm, serta kombinasi intensitas pengadukan 6,25 dan tekanan 17,5 atm. 393

6. DAFTAR PUSTAKA Box, G.E.P., Hunter, J.S., & Hunter, W.G.2005. Statistics for experimenters: Design innovation,and discovery, 2 ed. Hoboken, NJ: John Wiley & Sons. Montgomery, D.C. 2001. Design and Analysis of Experiments. New York ; John Wiley and Sons, Inc. Park, S.H. 1996. Robust Design and Analysis for Quality Engineering. Great Britain : Chapman and Hall. Taguchi, G.1986.Introduction to Quality Engineering. Tokyo: Asian Productivity Organization. Wu, C.F.J., & Hamada, M..2000. Experiments: Planning, analysis and parameter design optimization. New York: John Wiley & Sons. 394